CORSO INTERNAZIONALE DI DOTTORATO, Edizione 2026 – Etica e Intelligenza Artificiale

GUIDO BOELLA

Una panoramica complessiva delle principali questioni etiche legate all’intelligenza artificiale, con particolare attenzione alle sue implicazioni sociali, alle sfide normative e al suo impatto sulle pratiche e sulle istituzioni umane.

IOANNIS PITAS

La lezione presenta un quadro di riferimento basato sui dati per la valutazione quantitativa del potere geopolitico di diversi Paesi, utilizzando indicatori socio-economici, finanziari e militari multidimensionali. Viene costruito un dataset composto da 31 variabili relative a 50 Paesi e viene applicata l’Analisi delle Componenti Principali, Principal Component Analysis, PCA, per identificare dimensioni latenti e ortogonali sottese alle strutture globali del potere. L’analisi mostra che due componenti principali spiegano il 60,7% della varianza totale e possono essere interpretate rispettivamente come: i) Qualità della governance e ii) Potere geopolitico. Queste due dimensioni risultano statisticamente non correlate, consentendo una valutazione indipendente dell’efficacia istituzionale e dell’influenza esterna. Un risultato centrale dello studio è l’identificazione di una dissociazione sistematica tra governance e potere, che definiamo “paradosso governance-potere”. Inoltre, mostriamo che la distribuzione del potere geopolitico segue un andamento log-normale, coerente con processi di crescita moltiplicativa e con fenomeni di “concentrazione del potere” osservati nei sistemi complessi. Per quanto riguarda il potere geopolitico, l’analisi conferma l’esistenza di due superpotenze, Stati Uniti e Cina, seguite da due grandi potenze, Russia e India. Seguono poi altre potenze di medie dimensioni. Diverse democrazie di tipo occidentale ottengono i risultati migliori in relazione alla qualità della governance. Le superpotenze e le grandi potenze, invece, non ottengono risultati altrettanto elevati sotto questo profilo. Il quadro proposto fornisce una metodologia generale per analizzare la distribuzione globale del potere geopolitico e per modellizzare le relazioni internazionali.

GIOVANNI SARTOR

La lezione esamina l’AI Act dell’Unione Europea e il suo approccio alla regolamentazione dell’intelligenza artificiale basato sul rischio. Analizza il modo in cui il quadro normativo classifica i sistemi di IA in base ai diversi livelli di rischio, dalle applicazioni a rischio inaccettabile e ad alto rischio fino agli usi a rischio limitato e minimo, collegando gli obblighi regolatori all’impatto sociale. La sessione discuterà i principali requisiti di conformità, i meccanismi di governance e le implicazioni derivanti dal bilanciamento tra innovazione, responsabilità e diritti fondamentali nell’ecosistema europeo dell’intelligenza artificiale.

ALFIO FERRARA

L’avvento dei modelli generativi sta ridefinendo i processi narrativi che strutturano la comunicazione contemporanea, collocando entità non umane tra i produttori di storie, immagini e linguaggio evocativo. Questa lezione adotta una prospettiva etica per esaminare le implicazioni di tale trasformazione per l’ecosistema comunicativo: quale status dovremmo attribuire all’autorialità quando la creatività emerge da meccanismi computazionali privi di intenzione? Spostando l’analisi all’interno dell’atto generativo, esploreremo il modo in cui questi sistemi costruiscono coerenza narrativa, tono e significato figurativo, nonché le responsabilità che ne derivano in termini di trasparenza, affidabilità e manipolazione. Riflettere sul “punto di vista delle macchine” significa interrogare la cultura umana che le ha addestrate e i suoi futuri narrativi.

TERESA NUMERICO

L’avvento dei Large Language Models ha riacceso il dibattito pubblico e accademico sull’intelligenza artificiale. Gran parte del dibattito attuale si concentra sugli effetti dirompenti che questi nuovi metodi potrebbero produrre sul lavoro, sull’etica, sull’applicazione della legge e sulla trasformazione sociale. In questa lezione affronterò un altro versante della questione, legato al cambiamento, in larga misura impercettibile, della struttura di validazione delle credenze vere giustificate, che costituiscono l’impalcatura della produzione della conoscenza scientifica.

Le caratteristiche tradizionali della conoscenza scientifica implicavano la necessità della replicabilità sperimentale, della spiegabilità, della validazione intersoggettiva e della controllabilità di ipotesi, modelli e teorie. Tali caratteristiche sono oggi sempre più messe in discussione dall’emergere di forme di produzione e validazione della conoscenza mediate dall’intelligenza artificiale, in particolare nelle scienze sociali.

Questa trasformazione è già in corso, alla luce delle nuove possibilità offerte dalla digitalizzazione della rappresentazione dei fenomeni e dalla leggibilità automatica di queste nuove forme di riflessione sui fenomeni stessi. Per questa ragione, abbiamo bisogno di ciò che potremmo chiamare una politica della conoscenza digitale, al fine di individuare nuove modalità di valutazione e validazione collettiva della conoscenza proposta dall’intelligenza artificiale, soprattutto considerando le vaste infrastrutture industriali necessarie per l’elaborazione dei dati nei contesti di deep learning e il ruolo cruciale delle aziende private, che spesso proteggono i propri metodi in quanto fonti di vantaggio competitivo.

Occorre lavorare a favore di una nuova politica della validazione scientifica, capace di preservare la struttura collettiva del “rappresentare e intervenire” sui fenomeni oggetto di indagine, al fine di salvaguardare il carattere democratico della ricerca scientifica.